Principais pontos
Transcreva a mensagem de voz e trate o texto como o registro oficial. O problema de uma instrução falada não é o tempo que leva para ouvir, é que três semanas depois você não consegue buscar, citar ou reenviar aquele trecho para quem vai executar o serviço. Endereços, quantidades, datas e a grafia de nomes são os detalhes mais confundidos ao ouvido — e os mais caros de errar. Converter o que o cliente manda está sob seu controle. Mudar a forma como ele manda, geralmente não está, então planeje em torno do hábito em vez de lutar contra ele.
Tem cliente que digita. Tem cliente que fala. Se o seu fala, você já conhece o roteiro: um áudio de quarenta segundos às sete da manhã, com o serviço, o endereço e uma alteração no pedido da semana passada, tudo em uma respiração só — e nenhum registro escrito de nada disso em lugar algum.
Você pode ouvir. Isso não é problema. O problema é o que acontece depois, quando alguém pergunta qual era o número do apartamento que passaram, ou se o cliente realmente aprovou a segunda opção, e a única resposta que você tem está escondida em algum lugar dentro de um arquivo de áudio, num chat que você já rolou umas duzentas vezes desde então.
A parte cara não é ouvir
Quarenta segundos são quarenta segundos. Irritante se você está dirigindo, insignificante ao longo de uma semana. O custo real aparece muito depois, e aparece como ausência: uma mensagem de voz não pode ser pesquisada. Seu celular encontra a palavra “nota fiscal” numa mensagem que alguém digitou há oito meses. Ele não encontra a palavra “nota fiscal” dentro de uma gravação, porque, para o índice de busca, não existe nenhuma palavra ali — só um arquivo com uma duração.
Isso pesa justamente no momento em que você menos quer trabalho extra. Três semanas depois de um serviço, a pergunta nunca é “mais ou menos o que a gente combinou”. É específica. Qual endereço. Qual acabamento. Qual data. Se a hora extra foi acordada ou só presumida. Quando há discordância sobre o que foi combinado, uma linha de texto que você pode apontar vale mais do que um arquivo de áudio — sempre, mesmo quando o áudio contém exatamente a mesma informação, porque o áudio exige que a outra pessoa pare, ouça e concorde com a sua interpretação do que ela disse.
Tem também o problema de garimpar a informação. Encontrar um detalhe dentro de uma mensagem de voz significa dar play, chutar onde está o trecho relevante, arrastar a barra de volta longe demais, tocar de novo. Faça isso com cinco áudios do mesmo cliente e você vai gastar mais tempo procurando do que gastaria fazendo a tarefa. Um registro escrito transforma isso numa caixa de busca e alguns segundos.
O áudio é péssimo justamente nos detalhes que custam mais caro
Veja o que realmente chega por áudio. Raramente é algo abstrato. É um número de casa, um CEP, uma quantidade, uma janela de entrega, o sobrenome de alguém, o número de um modelo lido na caixa. São esses os detalhes que se confundem ao ouvido, e são exatamente os casos em que errar sai caro em vez de só constrangedor.
Números falados são frágeis. Os dígitos se misturam quando a fala é rápida, quinze e cinquenta soam parecido na pressa, e o alto-falante do celular dentro de uma van com barulho não ajuda em nada. Nomes de rua se distorcem por causa do sotaque e da suposição, porque o cérebro completa a versão que espera ouvir. Nomes de pessoas são piores ainda: você ouve algo plausível, anota o que parece plausível, e a grafia na nota fiscal já nasce errada. Nada disso é falta de cuidado. É uma característica de ouvir uma vez, rápido, enquanto se faz outra coisa.
A regra que vale adotar é simples: qualquer detalhe que vá acabar escrito em outro lugar — numa etiqueta, numa nota fiscal, num recibo de entrega, num compromisso da agenda — deve existir como texto antes de você copiá-lo. Não porque você necessariamente vai errar ao ouvir o áudio, mas porque, quando errar, não vai ter nada para checar além da mesma gravação que te confundiu na primeira vez.
Uma mensagem que você não pode tocar é um serviço que não começa
Texto é silencioso. Você pode ler numa reunião, no trem, na cozinha do cliente enquanto ele está do seu lado, numa marcenaria com o exaustor ligado. Um áudio precisa de silêncio ou de fone de ouvido, e muitas vezes você não tem nenhum dos dois.
O que acontece a seguir é previsível, e não é falta de vontade. Uma instrução falada que chega num momento em que você não pode ouvir acaba sendo adiada em vez de executada. Você promete a si mesmo que vai ouvir no carro. O carro acontece, o celular fica no bolso, e à noite já são três áudios empilhados e você nem lembra mais qual deles tinha a parte urgente. A instrução que levaria vinte segundos para ler agora demorou um dia inteiro para chegar até você — e, na cabeça do cliente, ele te avisou às oito da manhã.
Texto resolve essa distância. Você lê rapidamente onde estiver, decide se é urgente, e ou resolve na hora ou coloca na lista já com o conteúdo real anexado, em vez de um lembrete tipo “ouvir o áudio do Carlos”.
Transformando o que eles mandam em algo que você consegue guardar
A saída prática é converter primeiro e lidar com o conteúdo depois. Uma transcrição torna a instrução pesquisável, citável e reenviável, o que cobre a maior parte do que estava faltando.
- Pesquisável — o endereço do mês passado fica localizável digitando parte do nome da rua, e não tentando lembrar em que semana, mais ou menos, ele chegou.
- Citável — quando há uma discordância, você pode colar a frase exata do cliente em vez de parafrasear e ter a paráfrase contestada.
- Reenviável — quem realmente vai executar o serviço recebe as palavras, não um arquivo que precisa achar um lugar reservado para ouvir.
Se as mensagens chegam pelo WhatsApp e você trabalha numa mesa, a extensão SozAI para o WhatsApp Web coloca um botão de Transcrever sob cada mensagem de voz e mostra um resumo de uma linha com o texto completo embaixo, direto no chat onde a mensagem já está. Ela funciona dentro da sua própria sessão do navegador e nada é enviado de volta para a conversa, então o remetente não é avisado e o chat não fica marcado de forma alguma. Esse último detalhe importa mais do que parece, porque muita gente prefere não sinalizar ao cliente que está processando as mensagens dele.
Para tudo que não é mensagem de chat — gravações que você mesmo fez, arquivos que alguém te mandou por e-mail, áudios mais longos que você precisa com identificação de quem fala ou em outro idioma — existe o aplicativo de transcrição para iOS, Android e macOS, que processa arquivos de áudio e vídeo em uma longa lista de idiomas. O princípio é o mesmo nos dois casos: transformar em texto e depois trabalhar a partir do texto.
Depois que você tem as palavras escritas, faça a parte chata do trabalho. Cole o endereço na ordem de serviço. Coloque a data na agenda com a frase do cliente ao lado. Se a instrução muda algo que já havia sido combinado, responda por escrito resumindo o que você entendeu que o serviço passou a ser. Uma transcrição mais uma confirmação por escrito é um registro sólido. Uma transcrição sozinha dentro de um chat é só metade disso.
Vale pedir para os clientes escreverem?
Peça. Não custa nada e funciona com algumas pessoas. “Pode me mandar o endereço por texto em vez de falar” é um pedido normal, e boa parte dos clientes simplesmente vai atender, principalmente se você enquadrar como uma forma de evitar que a entrega vá para a porta errada.
Depois, aceite que boa parte deles não vai atender — e por motivos que não têm nada a ver com você. Algumas pessoas realmente têm dificuldade para digitar. Outras estão sempre dirigindo. Algumas são mais velhas, ou disléxicas, ou simplesmente falam mais rápido do que escrevem, e para elas o áudio é o motivo pelo qual conseguem te mandar qualquer coisa às sete da manhã. Insistir demais costuma comprar uma semana de boa vontade e depois um retorno silencioso aos áudios, além de um relacionamento um pouco mais desgastado.
A linha que vale traçar é por conteúdo, não por hábito. Deixe o chat ser chat. Peça especificamente pelas coisas que doem quando estão erradas: endereços, números, grafias, qualquer coisa financeira. A maioria das pessoas digita um CEP mesmo quando não digitaria um parágrafo. E trate o resto como problema seu de converter, porque converter o que chega está sob seu controle de um jeito que mudar como alguém se comunica não está.
O que uma transcrição não vai fazer por você
Ela não vai deixar uma instrução vaga mais clara. Se o cliente disse “faz igual ao último, mas um pouco maior”, agora você tem essa frase por escrito, o que é melhor do que nada e ainda não é uma especificação. Texto é um registro do que foi dito, não uma versão melhorada do que foi dito, e reler costuma ser a forma mais rápida de perceber que você precisa fazer uma pergunta de volta.
A precisão também tem limites, e eles se concentram justamente nos detalhes que fizeram você querer uma transcrição em primeiro lugar. Sobrenomes fora do comum, nomes de rua, códigos de produto e números falados rápido são difíceis para qualquer sistema que trabalha com áudio de celular cheio de ruído, então confira esses pontos contra o áudio original antes de colocá-los numa nota fiscal ou numa etiqueta de entrega. Uma transcrição que acerta a frase e erra o número da casa é peor do que inútil se você nunca olha duas vezes.
E um registro escrito não é a mesma coisa que um acordo. Ter as palavras do cliente em texto coloca você numa posição bem mais forte do que ter só um arquivo, mas o que realmente encerra a maioria das discussões é uma resposta curta sua, confirmando o serviço como você entendeu, enviada na hora, no mesmo chat. A transcrição é o que faz escrever essa resposta levar um minuto em vez de dez. Se você quiser entender melhor os detalhes técnicos de transformar material falado em texto utilizável, as páginas sobre como converter notas de voz em texto e como transformar arquivos de áudio em texto cobrem o resto dos casos que você vai encontrar.
